# ml-trading：参考解答

用于自查，不是自动批改、真人反馈、能力认证或业务批准。

## 特征工程

训练标签终点严格早于测试开始，末尾缺标签行被移除。特征与训练变换不访问测试统计。结果使用合成数据，不能声明未来可预测。

常见错误：时间相邻样本强相关，随机拆分会高估独立性；不能仅加一个shift就宣称所有泄漏已消除。

### m1-l1 金融 ML 特征

题设：解释r1、momentum3、vol5三列分别需要哪些历史行，哪些起始行不能训练。

参考结果与判定标准：r1至少2价，momentum3至少4价，vol5按本脚本5个收益需6价；起始不足行应排除，不以未来值补齐。具体自由度以脚本为准。

### m1-l2 标签设计

题设：测试特征从168开始，标签跨度5，训练标签终点必须<168。训练特征最晚可为多少？

参考结果与判定标准：t+5<168，所以t≤162；若t163则标签终点168已重叠。配套脚本记录最后训练标签终点167、首测试168，按实际被保留样本核对。

### m1-l3 特征构建练习

题设：若追加未来高价后过去标准化值全变，说明什么？应该怎样修正训练/测试处理？

参考结果与判定标准：说明可能使用全样本统计泄漏；仅训练拟合尺度，测试只transform。滚动在线处理也要只用当时过去，并保留版本。

## 模型训练

65%、60%、66.67%；与70%基线相比准确率较低。报告负结果并解释样本/成本局限，不制造必须优于基线的验收条件。

常见错误：特征重要性不是因果解释；若安装不了XGBoost，应标可选依赖未验证，而不是把随机森林改名。

### m2-l1 Random Forest 与 XGBoost

题设：给一个两模型比较实验设计，至少固定数据、分界、指标和调参次数，说明本课实际运行哪种。

参考结果与判定标准：实际脚本为RandomForest；公平比较须同数据/样本外/预算与指标。未经安装运行XGBoost不能填写其成绩，更不能用分类得分当收益。

### m2-l2 过拟合与正则

题设：训练准确率100%、测试52%，如何列排查顺序？为何不直接在测试上调深度？

参考结果与判定标准：先查切分/标签/重复，再看复杂度与基线；测试调参会污染独立评估。52%是否有意义还需类分布和样本量。

### m2-l3 模型训练实操

题设：复现随机森林报告，写accuracy、precision、recall、AUC各自回答什么，并列两项真实市场限制。

参考结果与判定标准：准确率看总体对错，precision看预测正类中真阳性，recall看实际正类召回，AUC看排序区分；合成单资产且无交易费用PnL，不能宣称盈利。

## LSTM 预测

输出形状如题，目标在窗口结束之后。报告包含种子、损失、测试样本数与不盈利可能。配套文件会独立记录依赖及执行结果，不把提供代码等同已完成真实市场验证。

常见错误：不能把合成序列的拟合效果当价格预测能力；严禁用最终测试结果选择网络大小。

### m3-l1 LSTM 基础

题设：配套训练输入139×20×3，各维是什么？测试窗口能否包含训练后尚未确认的未来标签？

参考结果与判定标准：139样本、20时间步、3特征；不能混入不满足切分的未来标签。训练和测试独立构窗，不能为增加样本跨界绕过purge。

### m3-l2 ML 交易现实

题设：预测正确一次赚1，错误一次亏3，胜率70%，不计费期望多少？为何高准确率也可能无效？

参考结果与判定标准：0.7×1−0.3×3=−0.2。幅度不对称使高胜率仍负期望，加入成本更差；分类报告不能替代交易收益评估。

### m3-l3 LSTM 实验报告

题设：交报告，包含139×20×3、hidden8、8轮、48测试窗口；若未安装PyTorch应怎样填？

参考结果与判定标准：填写依赖失败或未运行及原因，不抄参考成绩冒充本机结果。已运行也只证明该实验流程，不证明实际价格预测或生产模型准备度。